Artificial Intelligence for Detecting Retinal Diseases
12. April 2021 aktualisiert von: Beijing Tongren Hospital
Classification of Retinal Diseases by Artificial Intelligence
The objective of this study is to apply an artificial intelligence algorithm to diagnose multi retinal diseases from fundus photography.
The effectiveness and accuracy of this algorithm was evaluated by sensitivity, specificity, positive predictive value, negative predictive value, and area under curve.
Studienübersicht
Status
Abgeschlossen
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
The objective of this study is to apply an artificial intelligence algorithm to diagnose referral diabetes retinopathy, referral age-related macular degeneration, referral possible glaucoma, pathological myopia, retinal vein occlusion, macular hole, macular epiretinal membrane, hypertensive retinopathy, myelinated fibers, retinitis pigmentosa and other retinal lesions from fundus photography.
The effectiveness and accuracy of this algorithm was evaluated by sensitivity, specificity, positive predictive value, negative predictive value, area under curve, and F1 score.
Studientyp
Beobachtungs
Einschreibung (Tatsächlich)
1000000
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
Beijing
-
Beijing, Beijing, China, 100730
- Wen-Bin Wei
-
-
Teilnahmekriterien
Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.
Zulassungskriterien
Studienberechtigtes Alter
18 Jahre bis 80 Jahre (Erwachsene, Älterer Erwachsener)
Akzeptiert gesunde Freiwillige
Ja
Studienberechtigte Geschlechter
Alle
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
The study population is derived from an anonymous database that contains health examination results of the general population.
Beschreibung
Inclusion Criteria:
- fundus photography around 45° field which covers optic disc and macula
- complete identification information
Exclusion Criteria:
- insufficient information for diagnosis.
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Retinal diseases diagnosed by artificial intelligence algorithm
|
An artificial intelligence algorithm was applied to diagnose referral diabetes retinopathy, referral age-related macular degeneration, referral possible glaucoma, pathological myopia, retinal vein occlusion, macular hole, macular epiretinal membrane, hypertensive retinopathy, myelinated fibers, retinitis pigmentosa and other retinal lesions from fundus photography.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Area under curve
Zeitfenster: 1 week
|
We used the receiver operating characteristic (ROC) curve and area under curve to examine the ability of this artificial intelligence algorism recognition and classification of retinal diseases.
|
1 week
|
|
Sensitivity and specificity
Zeitfenster: 1 week
|
We used sensitivity and specificity to examine the ability of this artificial intelligence algorism recognition and classification of retinal diseases.
|
1 week
|
|
Positive predictive value, negative predictive value
Zeitfenster: 1 week
|
We used positive predictive value and negative predictive value to examine the ability of this artificial intelligence algorism recognition and classification of retinal diseases.
|
1 week
|
|
F1 score
Zeitfenster: 1 week
|
We used F1 score to examine the ability of this artificial intelligence algorism recognition and classification of retinal diseases.
|
1 week
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Systemic biomarkers and diseases
Zeitfenster: 1 week
|
Using medical records as the gold standard, we test the accuracy of this artificial intelligence algorism recognition and classification of systemic biomarkers and diseases: age, sex, blood pressure, blood hemoglobin, cardiovascular diseases, thyroid function and kidney function.
|
1 week
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
Mitarbeiter
Ermittler
- Studienstuhl: Wenbin Wei, Beijing Tongren Hospital
Studienaufzeichnungsdaten
Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.
Haupttermine studieren
Studienbeginn (Tatsächlich)
1. Juni 2018
Primärer Abschluss (Tatsächlich)
30. Juni 2020
Studienabschluss (Tatsächlich)
1. Oktober 2020
Studienanmeldedaten
Zuerst eingereicht
16. Dezember 2020
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
16. Dezember 2020
Zuerst gepostet (Tatsächlich)
21. Dezember 2020
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
15. April 2021
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
12. April 2021
Zuletzt verifiziert
1. Juni 2018
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- AI in retinal diseases
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
NEIN
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Nein
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Nein
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .
Klinische Studien zur Erkrankungen der Netzhaut
-
PYC TherapeuticsAktiv, nicht rekrutierendRetinitis pigmentosa | Augenkrankheiten, erblich | Netzhautdystrophien | Stab für Netzhautdystrophie | Retinal Dystrophy Rod ProgressiveVereinigte Staaten, Australien